下载文档原格式
电力系统状态估计中的不良数据辨识李钊年(青海大学水电系,青海西宁 810016)摘要 文中以电力系统状态估计理论为依据,给出了一种新的不良数据检测和辨识的方法 Hypothesis 状态估计法。
关键词 状态估计 不良数据 辨识中图分类号:TM74 文献标识码:AIdentification of Bad Data of Electric PowerSystem State EstimationLi Zhaonian(Hydroelec tric Department of Qinghai University,Xining 810016)Abstract Based on the basis of the theory of elec tric po wer system state estimation,the Hypothesisalgorithm is presented in this paper.Key words state estima tion,bad data,identification状态估计是利用实时量测系统的冗余度来提高数据精度,自动排除随机干扰所引起的错误信息,估计或预报系统的运行状态(或轨迹)的。
它以测量误差的统计特点为基础,用数理统计的方法计算估计值。
以前,电力系统的结构相对比较简单,有经验的调度人员根据量测量的极限检查、量测量的突变检查和量测量的相关检查三个原则,可以正确判断不良数据,排除它们的影响,正确掌握系统运行状态。
但是,随着电力系统的日益扩大和调度手段的现代化,这种人工检测和辨识已不能满足实际运行的要求。
如今,在现代化的高度系统中,计算机的高度自动化功能已越来越多的应用于电力系统的状态估计中。
在实际应用中,不良数据检测和辨识的实时性,一方面要靠硬件装置的提高,减少不良数据的机会;另一方面要从软件着手,人为主动地检测和辨识出不良数据。
因此,如何借助于计算机所具备的程序这一强大功能,建立一个可靠而完整的数据的质量,是进一步提高计算机在线应用水平的关键。
风险分级管控和隐患排查治理双重预防性工作机制为核心管理体系政府完善相关安全生产标准规范、根据企业风险状况实施分级分类安全监管、加强安全风险源头管控。
从而解决安全生产领域主要存在的“认不清、想不到”的问题，将安全生产关口前移。
企业层面政府层面企业全面辨识企业内部安全生产风险、对辨识出来的风险进行分级并有效管控安全风险、建立完善的隐患排查和治理体系。
国家提出的双重预防机制涵盖两方面：双重预防体系包含安全风险分级管控体系（环节）和隐患排查治理体系（环节），是构筑防范安全事故的前后两道防火墙。
Ø第一道是管风险，以安全风险辨识和管控为基础，从源头上系统辨识风险、分级管控风险，努力把各类风险控制在可接受范围内，杜绝和减少事故隐患；Ø第二道是治隐患，以隐患排查和治理为手段，认真排查风险管控过程中出现的缺失、漏洞和风险控制失效环节，把隐患消灭在事故发生之前。
通过这一系统性的风险管理工程，把每一类风险都控制在可接受范围内，把每一个隐患都治理在形成之初，把每一起事故都消灭在萌芽状态。
危险源、安全风险事故隐患事件事故应急处置未有效控制未及时排除应急响应执行器运 行反馈控制器测量、变送器控制对象干扰设定输入输出是隐患排查整改、治理措施技、管控措施人物法环管作业过程执行器运 行控制对象干扰设定输入输出是人物法环管作业过程技、管控措施瞬时开环理想闭环以 隐患排查 为核心的 闭环 管控系统前馈控制器测量、变送器执行器运 行反馈控制器测量、变送器控制对象可接受干扰设定输入输出否是风险技、管控方案风险辨识、评价隐患排查、效果检查整改、治理措施危险有害因素技、管控措施人物法环管作业过程 风险预控+隐患排查 管控系统 双重预防性机制：前馈机制+反馈机制风险预控与隐患排查相结合危险源隐患管控结果危险辨识、风险控制隐患排查、隐患治理事故隐患双重预防工作机制的系统原理•风险分级管控：本质上是前馈控制：定责定标，预估可能偏差，预先设计和实施控制•隐患排查治理：本质上是反馈控制：定责定标，活动发生偏差后实施控制•双重预防机制的理论基础：系统控制理论的 前馈+反馈前馈：根据可能发生的偏离预先设置控制措施反馈：根据已经出现的问题采取控制补救措施•本质：一个系统（体系）的两个环节，即 “双重”•乱像：双体系、两体系。
《机动车检测维修案例分析》试卷级别：机动车检测维修工程师专业：机动车检测评估与运用技术一、单项选择题（共10题，每题2分，共20分）答题要求：每题有4个选项，只有一个选项正确，请选出正确选项后，在答题卡相应位置填涂，多选或不选均不得分。
1．依据GB18565-2001《营运车辆综合性能要求和检验方法》对1100系列柴油发动机汽车底盘驱动轮输出进行功率试验，以下说法不正确的是：A.额定功率工况直接挡检测车速为50km/hB．额定扭矩工况校正驱动轮输出功率／额定扭矩功率限值为45%C.额定功率工况直接挡检测车速为70km/hD.额定功率工况校正驱动轮输出功率／额定功率限值为40%2．对于行：车制动在产生最大制动作用时的踏板力及自由行程，以下不符合GB18565-2001《营运车辆综合性能要求和检验方法》标准要求的是：A.行车制动系制动踏板的自由行程应符合该车原厂规定的有关技术条件B.行车制动在产生最大制动作用时的踏板力，对于座位数小于或等于9的载客汽车不得大于500N，对于其他车辆不大于800NC.液压行车制动在达到规定的制动效能时，踏板行程（包括空行程）不得超过全行程的3/4D.制动器装有自动调节间隙装置的车辆，踏板行程不得超过全行程的4/53．汽车在制动试验台上测出的制动力，按GB7258-2004《机动车运行安全技术条件》下列选项不符合要求的是：A.乘用车、总质量不大于3500kg货车，制动力总和与整车重量的百分比空载≥60%B.乘用车、总质量不大于3500kg货车，制动力总和与整车重量的百分比满载≥50%C.乘用车、总质量不大于3500kg货车，轴制动力与轴荷的百分比前轴≥60%D.乘用车、总质量不大于3500kg货车，轴制动力与轴荷的百分比后轴≥60%4．按GB18565-2001《营运车辆综合性能要求和检验方法》用底盘测功机进行滑行试验，以下不正确的是：A.初速度为30km/hB．汽车整备质量<1000kg，双轴驱动车辆滑行距离≥104mC.汽车整备质量<1000kg，单轴驱动车辆滑行距离≥130mD.汽车整备质量≤4000kg，双轴驱动车辆滑行距离≥140m5．按GB3847-2005《车用压燃式发动机和压燃式发动机汽车排气烟度排放限值及测量方法》对装用压燃式发动机的在用汽车烟度排放限值要求，以下不符合标准要求的是：A.对于2001年10月1日起生产的在用汽车，进行自由加速试验，所测得的排气光吸收系数：自然吸气式2.5m-1B.对于2001年10月1日起生产的在用汽车，进行自由加速试验，所测得的排气光吸收系数：涡轮增压式3.0m-1C.对于1995年7月1日起至2001年9月30日期间生产的在用汽车，进行自由加速试验，所测得的烟度值不大于4.0RbD.对于1995年6月30日前生产的在用汽车，进行自由加速试验，所测得的烟度值应不大于5.0Rb6．按GB18285-2005《点燃式发动机汽车排放污染物限值和测量方法（双怠速法及简易功况法）》有关双怠速法对高怠速的规定，以下符合标准要求的是：A.轻型汽车高怠速规定为2500±100r/min，重型汽车高怠速规定为1800±00r/minB.轻型汽车高怠速规定为2800±100r/min，重型汽车高怠速规定为2000±100r/minC.轻型汽车高怠速规定为3000±100r/min，重型汽牢高怠速规定为1800±100r/minD.轻型汽车高怠速规定为3800±100r/min，重型汽车高怠速规定为1800±100r/min7．下列检测站建设步骤正确的是：A．市场调查、可行性分析、工艺布局设计、工艺流程设计、检测站规划、检测站建设B．可行性分析、市场调查、工艺布局设计、工艺流程设计、检测站规划、检测站建设C．市场调查、可行性分析、检测站规划、工艺布局设计、工艺流程设计、检测站建设D．工艺布局设计、工艺流程设计、检测站规划、检测站建设8．一辆SC1010长安汽车转向盘自由转动量太大，不符合国家标准要求。
单基因与多基因疾病单基因与多基因疾病背景⼈类⾃⾝疾病都或多或少的与基因有关，基因决定了什么⼈，会在什么时候患什么样的病以及患病的严重程度。
我们通常把与遗传物质有关的疾病定义为遗传病，包括单基因病、多基因病和染⾊体病（如21三体综合症等）。
其中，单基因病⼜可分为常染⾊体显性遗传病、常染⾊体隐性遗传病和性染⾊体遗传病。
多基因病是由两对或两对以上致病基因的累积所致的遗传病，其遗传效应多受环境因素的影响。
⽬前，全球已发现的单基因遗传病⼤约有6600多种，并且每年还在以10-50种的速度增加。
通过识别疾病相关基因并探明其致病的分⼦机制，有针对性地开发相应的药物或者治疗⼿段，以最终实现疾病的早期诊断和防治。
单基因疾病单基因疾病是指由于单个基因的缺陷所引发的⼈体疾病，这种缺陷变异包括单个核苷酸的替换、缺失、插⼊、移码突变以及基因的剪接突变。
这些缺陷基因通常来⾃⽗母的⽣殖细胞，并且都可以遗传给下⼀代，所以⼜称为单基因遗传病。
单基因疾病种类繁多，据不完全统计，⽬前已经发现6600多种单基因疾病，且随着研究的不断进展，平均每年都有数⼗种新发现的单基因疾病。
在这些已发现的单基因疾病中，已经有1000多种疾病的发病机制⽐较清楚，能应⽤于临床检测。
如⾎友病、苯丙酮尿症、进⾏性肌营养不良、地中海贫⾎等。
单基因疾病可分为以下五种类型：常染⾊体显性遗传病（AD，如短指症等)、常染⾊体隐性遗传病（AR，如⽩化病等)、X伴性显性遗传病(XD，如抗维⽣素D缺乏病等)、X伴性隐性遗传病(XR，如⾊盲等)、Y伴性遗传病(YL，如⽿廓长⽑症等)。
单基因疾病的判定与研究策略单基因遗传病的定位研究相对来说⽐较简单，有时⼀个⾜够⼤的家系就有可能发现基因缺陷。
系谱分析常⽤于判定单基因遗传病的遗传⽅式。
所谓系谱，就是从先证者⼊⼿，就某种性状或疾病追溯调查其家系中所有成员的发⽣情况后绘制的图谱。
根据绘制成的系谱图，应⽤遗传学的理论进⾏分析以便确定所发现的疾病或特定性状是否有遗传因素。
dU：3.3969/j.inn.346-4931.2021.43.0251例头抱哌酮钠舒巴坦钠联用华法林诱发消化道出血分析郭柳青1，罗敏1，徐班1A，邓盛齐2(1.四川大学华西医院临床药学部，四川成都63441；0.成都大学四川抗菌素工业研究所，四川成都63450)摘要：目的为头孢哌酮钠舒巴坦钠联用华法林发生急性消化道出血患者的药学监护提供参考。
方法分析四川大学华西医院2015年2月收治的1例头孢哌酮钠舒巴坦钠联用华法林抗诱发消化道出血患者的临床资料，结合临床药学专业知识，对药物治疗方案、消化道出血机制、救治措施等进行分析。
结果该患者出现急性消化道出血后，临床药师建议立即停用上述2种药物，改用凝血酶、生长抑素和奥美拉唑以抑酸、止血、护胃；并输注A型Rh阳性血浆及对症补液，更换抗菌药物为哌拉西林钠他唑巴坦钠，3/后病情稳定。
结论临床药师应加强对抗凝治疗患者联合用药的药学监护，避免不良事件发生，保障用药安全、合理。
关键词：头孢哌酮钠舒巴坦钠；华法林；药物相互作用；消化道出血；药学监护中图分类号:R95 文献标志码：A文章编号1006-4931(2021)03-0088-04 Gastrointestinai Bleening Inducen by Cefoperazanc Sodium and SulOactam SodiumCombinen with Warfarin：A Cast AnalysitGUO Liuqink,LUO Mt,XU Ting1,DENG Shenaqi2(1.Degaaueji f0,^^P harmacy,Weg Chinn Hospiini f Sichuac Anighig,CCnye,Sichuun,Chian610041; 2. Sichuaa Industial A s UU/fAnU0wtue f Chenydu Universitn y ChenyUo,Sichuan,CCea610052,Abstract:Objective To povide a reference for pharmaceu/cal care of patients with acnte gastrointestinal blee/iny induce/by ce-fo/erazo/o sodium and suldactam sodium cembine/with waOa/n.Methodt The cngcal data of a patie/l with gastrointestinal blee/ing inguce/by cefo/erazo/o sodium anh suldactam sodium combine/with waOarin in West C/na Hospital of Sichuan Universi/8February 2015were analyze).Combine/with professioval hgowle/go of c nhcal pParmaca,the doa Weatme/l scheme,gastrointestinal blee/ing mechanism anh rescne measures were analyze/by a c/nicy1pParmacish ReseOt CUnical pharmachts suages/b thal the above two doas shovlU bo sto/peh imme/iately when fo/uh thal the pahegi had acnte gastrointestinal bleodiny,anh hiombin,somatostatin anh omeprazole shovlU bo use)to8/dil acid,stop blee/ing and protect s/mac/RhA posidve blooV anh symptomatic rehypratiov shovlU bo infuse),5pg pineracilUn sodium anh tazo/actam sodium shovlU bo replace),hho pahe/tW co/hitiov was stable after3h Conclusion CUnical penemnaneheeeoped eheetgheet hee penemnaephnaneanee oedepg aombntnhnot nt pnhnetheeeaenentg nthnaongpenthheeenpy ho neond ndeeeee eeethentdetepeeheeeneehyntd enhnotnenhyoedepgpee．Key words:cefo/erazo/o sodium and suldactam sodium;waOa/n;doa-doa interactions;aastrointestina1blee/iny;pParmace/tical care华法林为口服抗凝剂，用于防治血栓,价格便宜,服学指标易受饮食、合用药物、疾病状态等影响,治疗个体用方便，是众多患者的优选，但其治疗窗窄，且药代动力化强，需时常监护凝血指标。
R N检测与状态预估相结合的不良数据检测辨识法①刘 浩 崔 巍(山东建筑工程学院计算机系 济南 250014)THE D ETECTI ON AND I D ENTI F I CATI ON M ETH OD OF BAD DATA COM B I NE D R n D ETECTI ON AND STATE F ORECASTL iu H ao CuiW ei(Shandong A rch itecture and Engineering In stitute Computer D epartm ent,J inan250014)ABSTRACT Com bining R n detecti on w ith state2forecast detecti on and identificati on,a ne w bad data detecti on and i2 dentificati on m ethod is p resented.T h is m ethod can over2 com e the phenom enon of residual polluti on and residual sub2 m ersi on,and can differentiate betw een bad data and sudden change.To p rogram w ith FOR TRAN77language reference to the p rogram fram e,digital si m ulati on test is perfor m ed in an182node syste m.T he detecti on and identificati on results of si m ulati on for no bad data,having bad data and having sudden change is obtained.T he results show that the detec2 ti on and identificati on m ethod p roduced in th is paper is ef2 fective.KeyW ords state esti m ati on,bad data,detecti on and iden2 tificati on摘要 本文将R N检测法与状态预估检测辨识法相结合,提出了一种新的不良数据的检测辨识方法。
该法先用R N 检测法来判断是否有不良数据测点存在,若有,再用状态预估辨识哪些测点存在不良数据,将不良数据测点的量测值换成其状态预估值再进行一次状态估计。
该法既克服了R N 检测法存在的残差污染、残差淹没现象,又解决了状态预估检测辨识法不能区分不良数据与突变量的问题。
用FOR2 TRAN77语言编写程序,对18节点系统进行了数字仿真实验,得到了在无不良数据、有不良数据、有突变量等情况下的检测辨识结果。
验证了本文介绍的检测辨识方法的有效性。
关键词 状态估计 不良数据 检测与辨识1 引言 不良数据的检测与辨识是电力系统状态估计中很重要的一环。
但迄今为止,尚没有一种很完善的检测辨识方法。
残差检测法存在残差污染、残差淹没现象;状态预估检测辨识法虽能有效克服残差污染、残差淹没现象,但此法不能区分不良数据与突变量,即该法将不良数据与突变量均作为异常数据检测出。
为此,文献[1]将状态预估与R N检测结合起来,既能克服残差污染、残差淹没现象,又能区分不良数据与突变量。
但文献[1]介绍的方法在存在突变量时,要进行两次状态估计。
该法适合于突变量发生概率较低的场合。
残差检测法虽然存在残差污染、残差淹没现象,但根据存在不良数据时总有较大残差出现,无不良数据时(包括存在突变量的情况),所有测点的残差均较小的现象,我们用残差法能准确判断出每一次采样量测中是否有不良数据存在。
因此,本文先用残差检测法来判断是否有不良数据存在,若存在不良数据,再用状态预估检测辨识法进行检测辨识,即将存在不良数据测点的量测值用其相应的预估值来代替再进行一次状态估计;若无不良数据存在,继续进行下一采样的运算。
此法既能克服残差污染、残差淹没现象,又解决了状态预估法不能区分不良数据与突变量的问题。
但该法在存在不良数据时,要进行两次状态估计。
因此,该法适合于突变量发生概率较高、而不良数据发生概率较低场合。
本文将文献[1]介绍的方法和本文介绍的方法均设计了程序框图,以便进行比较。
本文还用FOR TRAN77语言编写程序对18节点系统进行了数字仿真实验,得到了良好结果。
2 状态预估检测辨识法数学模型为了便于设计程序框图,现将状态预估检测辨识法的有关计算公式归纳整理如下。
x k+1=F k x k+G k+w k(1)第13卷第2期2001年4月 电力系统及其自动化学报P roceedings of the EPS AV ol.13N o.2A p ril 2001①本文2000年11月22日收到z k =h (x k )+V k(2)式中k 为时间采样点;x 为状态向量(n ×1);z 为量测向量(m ×1);F 、G 为非零对角阵(n ×n )和向量(n ×1);h 为潮流函数向量;w 、V 为白高斯误差向量,均值为零,协方差矩阵分别用S 和R 表示。
令x ^k 和2k 分别为状态向量的估计值及其误差协方差矩阵。
通过对方程(1)求条件期望值,预估状态向量x ～k +1及其误差协方差矩阵分别为:x ～k +1=F k x ^k +G k (3)Mk +1=F k 2k F T k +S k(4)若取F k =1,G k =0,则(3)和(4)式可简化为:x ～k +1=x ^k (5)Mk +1=2k +S k(6)当获得(k +1)时刻一组新的量测量后,可算出革新向量Χk +1Χk +1=z k +1-z ～k +1(7)革新向量的协方差矩阵为:N =JM -1J T+R(8)式中J 为量测方程的雅可比矩阵:M 、R 意义同前。
在正常运行条件下,标准化革新向量的每个分量假设在下列范围内变化;ΧN (i ) = Χ(i ) ΡN (i )<Λ(9)式中ΡN (i )=N (i ,i )为革新向量第i 个分量的标准差,Λ为可靠极限或临界值。
为帮助检测和辨识具有较小幅值量测误差的量测量,对第i 个量测量的另一参数定义如下:a (i )= Χ(i ) ΡR (i )<Λa(10)式中ΡR (i )为量测量第i 个分量的标准差。
Λa 为阀值,这里取Λa =4.5。
3 不良数据的混合检测辨识法程序框图文献[1]介绍的不良数据的混合检测辨识法程序框图如图1所示。
该法的详细说明参见文献[1]。
图1 文献[1]方法的程序框图・04・电力系统及其自动化学报 2001年第2期该法是先用状态预估法进行不良数据的检测与辨识并进行一次状态估计,再用残差检测法来判断状态预估法检测出的异常数据是不良数据还是突变量,如果是突变量,则需将异常数据点的预估值换成其量测值再进行一次状态估计,即该法在出现突变量时,要进行两次状态估计。
本文介绍的不良数据检测辨识法的程序框图如图2所示。
图2 本文介绍的检测辨识法程序框图 框[1]进行一次测量采样把测量值送入z 。
框[2]根据量测z 和前一采样的量测预估值z ～计算出式(10)所定义的参数a 。
框[3]将初值1赋予k ,k 为不良数据标记,当k =0为无不良数据的情况;当k =1为有不良数据的情况。
框[4]进行一次状态估计。
框[5]判断k 是否等于0,若等于0转出口,否则执行框[6]。
框[6]用最大残差判断是否存在不良数据,若最大残差大于给定的阀值2.81,则认为存在不良数据,于是执行框[7]。
否则,认为无不良数据,程序转出口。
框[7]用状态预估法进行不良数据的检测与辨识,即将参数a 的值大于给定阀值4.5的测点的量测值用其状态预估值代替,然后执行框[8]将0赋给k 表明已无不良数据,再转向框[4],重新进行一次状态估计。
再经框[5]转出口。
本文介绍的方法在出现不良数据时,要进行两次状态估计。
4 计算实例在奔腾微机上用FOR TRAN 77语言编写程序,对18节点系统进行数字仿真实验。
18节点系统网络图如图3所示,系统原始数据见表1,测量数据见表2、表3,计算结果列于表4至表8,表中R ′N 为经状态预估检测辨识后的估计残差,R ′N 为没有经过状态预估检测辨识的估计残差。
取Λa =4.5,ΛN =2.81。
实验结果表明:在无不良数据有突变量时,参数R ′N 均小于所给阀值2.81;在有不良数据时,最大的残差 R ′N m ax 总是大于所给阀值2.81,此时再用状态预估法进行不良数据的检测与辨识。
结果表明,存在不良数据时,所有不良数据测点的参数a 均大于所给定的阀值4.5而被检测出。
将不良数据点的量测值用其相应的状态预估值代替再进行一次状态估计即可。
该法在存在不良数据时要进行两次状态估计。
图3 18节点系统网络图・14・2001年第2期 R N 检测与状态预估相结合的不良数据检测辨识法表1 系统原始数据节点编号(i 2j )阻 抗(标么值)线路容纳y 2(标么值)122(4.1+j21.5)e -3-j4.4e -6123(3.1+j16.6)e -3-j0.8e -61210(25.7+j78.3)e -3-j6.8e -6324(3.7+j19.2)e -3-j1.0e -6425(5.2+j26.6)e -3-.4e -64216(9.9+j54.7)e -3-j22.0e -6526(3.9+j20.0)e -3-j0.8e -6627(8.8+j46.5)e -3-j2.4e -6728(2.5+j13.2)e -3-j0.7e -6829(18.8+j96.4)e -3-j5.2e -610211(3.9+j15.4)e -3-j1.1e -610212(5.3+j27.8)e-3-j1.5e-610213(4.3+j44.5)e -3-j9.6e -610215(13.9+j23.9)e -3-j3.9e -612213(15.3+j66.8)e -3-j3.6e -613214(0.6+j4.5)e -3-j0.5e -615216(16.0+j82.0)e -3-j4.3e -616217(2.0+j10.1)e -3-j2.2e -616218(8.9+j46.7)e -3-j2.5e -6注:e -3表示10-3表2 第一采样线路潮流部分量测节点编号(i 2j )线路潮流(标么值)有 功无 功12221.70501230.755012100.02343240.05214251.1290421622.0830102111.00000.49901021220.541720.36101021321.550020.7210102150.09590.33401221320.339020.1110132143.003021.3350注:实际量测为38个表3 第二采样线路潮流部分量测节点编号(i 2j )线路潮流(标么值)有 功无 功12221.7097020.972171230.739220.6345512100.032780.132703240.050310.213434251.148580.01875421622.0736020.33426102110.984700.5409301021220.5351020.334001021321.5760020.70530102150.123670.296881221320.3471020.105201321423.0130021.35500注:实际量测为38个表4 无不良数据的情况测点P 122P 123P 1210P 324P 425P 4216Q 122Q 123Q 1210Q 324Q 425Q 1216a 0.1800.5500.3400.2600.5601.050.7800.0700.6200.5501.2700.230R N -0.2100.0650.276-0.2110.816-0.083-0.2640.247-0.280-1.3670.0780.207R ′N-0.2100.0650.276-0.2110.816-0.083-0.2640.247-0.280-1.3670.0780.207表5 有不良数据的情况(线路829、928的Q 由0.45568、-0.3449变为0.0568、0.05)测点P 122P 123P 1210P 324P 829P 928Q 122Q 123Q 1210Q 324Q 829Q 928a0.1800.3400.5600.8000.2000.1200.5500.2601.0502.13055.0756.07R N -0.2100.0650.276-0.211-0.6680.875-0.2640.247-0.280-1.3671.1911.263R ′N-0.2100.0650.276-0.211-0.0490.143-0.2640.247-0.280-1.3670.0500.117表6 有不良数据的情况(线路1210、4216的P 由0.03278、-0.20726变为0.13278、1.5)测点P 122P 123P 1210P 1021P 4216P 1624Q 122Q 123Q 1210Q 324Q 829Q 1021a0.1800.3404.9400.55011.330.2500.5500.2601.0502.1300.4701.270R N -0.2100.4460.2836.3918.3505.059-0.2640.1710.502-1.5500.135-0.992R ′N-0.2100.088-0.301-0.4520.0270.272-0.2640.248-0.293-1.3640.135-0.039表7 有突变量的情况(节点3的P +j Q 由-0.702632j0.38463变为20.42i0.1)测点P 122P 123P 1210P 324P 321P 423Q 122Q 123Q 1210Q 324Q 321Q 423a 0.1800.2108.73022.240.4500.2500.0900.3108.62021.290.5700.350R N -0.2100.0740.513-0.106-0.151-0.0850.313-0.132-0.6930.095-0.261-0.066R ′N-0.2100.364-0.7420.157-0.371-0.3460.3130.248-3.7960.662-0.314-0.631・24・电力系统及其自动化学报 2001年第2期表8 有突变量的情况(节点4的P+j Q由21.02j0.56变为20.82i0.4)测点P324P425P4216P423P524P1624Q324Q425Q1216Q423Q524Q1624a9.8800.4601.3200.1900.7801.1809.8000.4701.0800.2800.5601.450 R N-0.0510.4480.7500.128-0.4870.1050.0870.209-0.0230.0230.213-0.053 R′N0.3690.6650.221-0.368-0.705-0.0540.4980.2030.955-0.4980.215-0.9635 结论通过实验,可得出如下结论:(1)本文所用的检测辨识方法既能克服残差污染残差淹没现象,又能区分不良数据与突变量,但在出现不良数据时要进行两次状态估计,因此该法适合于不良数据出现的概率较小的场合;(2)文献[1]介绍的方法,也能克服残差污染残差淹没现象,并能区分不良数据与突变量,但在出现突变量时要进行两次状态估计,因此,此法适合于突变量出现概率较小的场合。
